Swin Tiny Patch4 Window7 224 Finetuned Plantdisease

🚀 swin-tiny-patch4-window7-224-finetuned-plantdisease

このモデルは、画像分類タスクに特化したモデルで、imagefolderデータセット上でmicrosoft/swin-tiny-patch4-window7-224をファインチューニングしたものです。評価セットで高い精度を達成しています。

🚀 クイックスタート

このモデルは、microsoft/swin-tiny-patch4-window7-224をimagefolderデータセットでファインチューニングしたものです。評価セットでは以下の結果を達成しています。

• 損失: 0.1032
• 精度: 0.9690

📚 ドキュメント

モデルの説明

このモデルは、https://www.kaggle.com/datasets/emmarex/plantdisease から病気の植物の写真データセットをGoogle Colabにインポートして作成されました。その後、https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb の画像分類チュートリアルを使用しました。

以下のノートブックが得られました。

https://colab.research.google.com/drive/14ItHnpARBBGaYQCiJwJsnWiiNQnlrIyP?usp=sharing

分類可能な病気は以下の通りです。 Tomato Tomato YellowLeaf Curl Virus , Tomato Late blight , Pepper bell Bacterial spot, Tomato Early blight, Potato healthy, Tomato healthy , Tomato Target_Spot , Potato Early blight , Tomato Tomato mosaic virus, Pepper bell healthy, Potato Late blight, Tomato Septoria leaf spot , Tomato Leaf Mold , Tomato Spider mites Two spotted spider mite , Tomato Bacterial spot

葉の例

想定される用途と制限

詳細情報は後日提供予定です。

学習と評価データ

詳細情報は後日提供予定です。

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

• learning_rate: 5e-05
• train_batch_size: 32
• eval_batch_size: 32
• seed: 42
• gradient_accumulation_steps: 4
• total_train_batch_size: 128
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 1

学習結果

フレームワークのバージョン

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。